Excel တွင် logistic regression ကို မည်သို့လုပ်ဆောင်မည်နည်း။

Logistic regression သည် တုံ့ပြန်မှု variable binary ဖြစ်သောအခါ regression model နှင့်ကိုက်ညီရန် ကျွန်ုပ်တို့အသုံးပြုသည့်နည်းလမ်းတစ်ခုဖြစ်သည်။

ဤသင်ခန်းစာသည် Excel တွင် logistic regression လုပ်နည်းကို ရှင်းပြထားသည်။

ဥပမာ- Excel တွင် logistic regression

၎င်းတို့၏ GPA ကိုအခြေခံ၍ ကောလိပ်ဘတ်စကတ်ဘောကစားသမားများကို NBA သို့ ရေးဆွဲထားခြင်း ရှိ၊ မရှိ ညွှန်ပြထားသော ဒေတာအစုံအတွက် Excel တွင် ထောက်ပံ့ပို့ဆောင်ရေးဆုတ်ယုတ်မှုလုပ်ဆောင်ရန် အောက်ပါအဆင့်များကို အသုံးပြုပါ။ အတိတ်က အမှတ်တွေ၊ ပြန်တက်ပြီး ကူညီပေးတယ်။ ရာသီ။

အဆင့် 1: ဒေတာကိုထည့်ပါ။

ပထမဦးစွာ အောက်ပါဒေတာကို ထည့်သွင်းပါ။

အဆင့် 2- regression coefficients အတွက် ဆဲလ်များကို ထည့်ပါ။

ကျွန်ုပ်တို့တွင် နမူနာပုံစံ (pts၊ rebs၊ ast) တွင် ရှင်းပြနိုင်သော variable သုံးခုရှိသောကြောင့်၊ ကျွန်ုပ်တို့သည် regression coefficients သုံးခုနှင့် model ရှိဇာစ်မြစ်အတွက် တစ်ခုအတွက် ဆဲလ်များကို ဖန်တီးပါမည်။ ၎င်းတို့တစ်ခုစီအတွက် တန်ဖိုးများကို 0.001 ဟု သတ်မှတ်မည်ဖြစ်ပြီး နောက်ပိုင်းတွင် ၎င်းတို့ကို ပိုကောင်းအောင် ပြုလုပ်ပါမည်။

ထို့နောက်၊ ကျွန်ုပ်တို့သည် logit၊ e ^logit ၊ ဖြစ်နိုင်ခြေနှင့် မှတ်တမ်းဖြစ်နိုင်ခြေ အပါအဝင် ဤဆုတ်ယုတ်မှုကိန်းများကို ပိုကောင်းအောင်ပြုလုပ်ရန် ကျွန်ုပ်တို့အသုံးပြုမည့် ကော်လံအသစ်အနည်းငယ်ကို ဖန်တီးရန် လိုအပ်ပါသည်။

အဆင့် 3: လော့ဂ်စ်အတွက် တန်ဖိုးများကို ဖန်တီးပါ။

ထို့နောက်၊ အောက်ပါဖော်မြူလာကို အသုံးပြု၍ logit ကော်လံကို ဖန်တီးပါမည်။

အဆင့် 4: e ^logit အတွက်တန်ဖိုးများကိုဖန်တီးပါ။

ထို့နောက်၊ အောက်ပါဖော်မြူလာကို အသုံးပြု၍ e ^logit အတွက် တန်ဖိုးများကို ဖန်တီးပါမည်။

အဆင့် 5- ဖြစ်နိုင်ခြေတန်ဖိုးများကို ဖန်တီးပါ။

ထို့နောက်၊ အောက်ပါဖော်မြူလာကို အသုံးပြု၍ ဖြစ်နိုင်ခြေတန်ဖိုးများကို ဖန်တီးပါမည်။

အဆင့် 6: မှတ်တမ်းဖြစ်နိုင်ခြေအတွက် တန်ဖိုးများကို ဖန်တီးပါ။

ထို့နောက်၊ အောက်ပါဖော်မြူလာကို အသုံးပြု၍ မှတ်တမ်းဖြစ်နိုင်ခြေအတွက် တန်ဖိုးများကို ဖန်တီးပါမည်။

မှတ်တမ်းဖြစ်နိုင်ခြေ = LN (ဖြစ်နိုင်ခြေ)

အဆင့် 7- မှတ်တမ်းဖြစ်နိုင်ခြေများ၏ပေါင်းစုကိုရှာပါ။

နောက်ဆုံးတွင်၊ regression coefficients အတွက် ဖြေရှင်းရန် ကျွန်ုပ်တို့ အများဆုံး ချဲ့ထွင်ရန် ကြိုးပမ်းမည့် အရေအတွက်ဖြစ်သည့် log-likelihoods ၏ ပေါင်းလဒ်ကို ရှာဖွေပါမည်။

အဆင့် 8- regression coefficients ကိုဖြေရှင်းရန် ဖြေရှင်းသူအား အသုံးပြုပါ။

Excel တွင် ဖြေရှင်းသူအား မထည့်သွင်းရသေးပါက၊ ထိုသို့လုပ်ဆောင်ရန် အောက်ပါအဆင့်များကို လိုက်နာပါ။

• File ကို နှိပ်ပါ။
• Options ကို နှိပ်ပါ။
• Add-ins ကိုနှိပ်ပါ။
• Solver Add-in ကို နှိပ်ပါ၊ ထို့နောက် Go ကို နှိပ်ပါ။
• ပေါ်လာသည့်ဝင်းဒိုးအသစ်တွင်၊ Solver Add-In ဘေးရှိအကွက်ကို အမှန်ခြစ်ပါ၊ ထို့နောက် Go ကို နှိပ်ပါ။

ဖြေရှင်းသူအား ထည့်သွင်းပြီးသည်နှင့်၊ Data tab ရှိ ခွဲခြမ်းစိတ်ဖြာမှု အဖွဲ့သို့ သွားကာ Solver ကို နှိပ်ပါ။ အောက်ပါအချက်အလက်များကို ထည့်သွင်းပါ-

• ပန်းတိုင်သတ်မှတ်ပါ- မှတ်တမ်းဖြစ်နိုင်ခြေပေါင်းလဒ်များပါရှိသော ဆဲလ် H14 ကို ရွေးပါ။
• ပြောင်းလဲနိုင်သောဆဲလ်များကိုမွမ်းမံခြင်းဖြင့်- regression coefficients များပါရှိသောဆဲလ်အကွာအဝေး B15:B18 ကိုရွေးချယ်ပါ။
• အတားအဆီးမဲ့ ကိန်းရှင်များကို အနုတ်လက္ခဏာမဟုတ်သော ပြုလုပ်ပါ- ဤအကွက်ကို အမှန်ခြစ်ဖြုတ်ပါ။
• ဖြေရှင်းနည်းကို ရွေးပါ- လိုင်းမဟုတ်သော GRG ကို ရွေးပါ။

ပြီးရင် Resolve ကို နှိပ်ပါ။

Solver သည် ဆုတ်ယုတ်မှုကိန်းဂဏန်း ခန့်မှန်းချက်များကို အလိုအလျောက် တွက်ချက်သည်-

မူလအားဖြင့်၊ ပရောဂျက် = 0 ဖြစ်နိုင်ခြေကို ရှာဖွေရန် ဆုတ်ယုတ်မှုကိန်းများကို အသုံးပြုနိုင်သည်။

သို့သော်လည်း ယေဘုယျအားဖြင့် ထောက်ပံ့ပို့ဆောင်ရေး ဆုတ်ယုတ်မှုတွင် ကျွန်ုပ်တို့သည် တုံ့ပြန်မှုကိန်းရှင် = 1 ဖြစ်နိုင်ခြေကို စိတ်ဝင်စားကြသည်။

ထို့ကြောင့်၊ ကျွန်ုပ်တို့သည် regression coefficients တစ်ခုစီရှိ အမှတ်အသားများကို ရိုးရှင်းစွာ ပြောင်းပြန်လှန်နိုင်သည်-

ပရောဂျက် = 1 ဖြစ်နိုင်ခြေကို ရှာဖွေရန် ဤဆုတ်ယုတ်မှုကိန်းများကို ယခုအသုံးပြုနိုင်ပါပြီ။

ဥပမာအားဖြင့်၊ ကစားသမားတစ်ဦးသည် ဂိမ်းတစ်ခုလျှင် ပျမ်းမျှ 14 မှတ်၊ ဂိမ်းတစ်ခုလျှင် 4 rebounds နှင့် ဂိမ်းတစ်ခုလျှင် 5 assists ဆိုကြပါစို့။ NBA တွင် ဤကစားသမား၏ ဖြစ်နိုင်ခြေကို အောက်ပါအတိုင်း တွက်ချက်နိုင်ပါသည်။

P(ပရောဂျက် = 1) = e ^{3.681193 + 0.112827*(14) -0.39568*(4) – 0.67954*(5)} / (1+e ^{3.681193 + 0.112827*(14) -0.39568*(4) – 0.36568* )} ) = 0.57 ။

ဤဖြစ်နိုင်ခြေသည် 0.5 ထက်များသောကြောင့်၊ ဤကစားသမားကို ကျွန်ုပ်တို့ ခန့်မှန်းပါသည်။   NBA သို့ ရေးဆွဲထားသည်။

ဆက်စပ်- Excel တွင် ROC Curve ဖန်တီးနည်း (တစ်ဆင့်ပြီးတစ်ဆင့်)